CN109919924B - 一种适用于大批量he染色图片细胞数字化处理的方法 - Google Patents

Abstract

本发明公开了一种适用于大批量HE染色图片细胞数字化处理的方法，属于生物科学图像处理技术领域。所述方法通过选用CellProfiler作为图像处理软件，并通过优化各管线程序的参数使得其能够对大批量的数字图像进行处理，准确地识别拥挤的细胞类型，更适用于H/E切片的观察，能够准确、快速的对大批量的H/E染色样本进行数字化和定量计算比较，大大节约了时间和人力成本，为后续基于H/E切片做进一步研究的应用提供了基础。

Description

一种适用于大批量HE染色图片细胞数字化处理的方法

技术领域

本发明涉及一种适用于大批量HE染色图片细胞数字化处理的方法，属于生物科学图像处理技术领域。

背景技术

图像数字化处理和个性化软件的应用，极大的改进了人们对图像捕获和分析的能力，尤其在对大批量的图像进行处理和分析中起到了不可或缺的作用；在生物学研究中，图像数字化处理技术对于生物科学图片的处理和分析对于基于图片处理做进一步研究的应用尤其重要。

CellProfiler是一个免费且开源的可以定量测定图像形态的基础软件，它可以使具备较少计算机背景的使用者根据课题的具体情况利用高级算法设计模块，进一步处理和测定大批量图像以及进行图像的数字化。虽然目前也有类似的商业化产品，但这些产品价格昂贵，不是每个使用者都可以获得的。其它开源图像软件如ImageJ、Image-Pro Plus等的应用，需要复杂的编程基础以进行插件的设计等且只能对单张图片进行分析处理，极大地增加了时间和人工成本。

但是，基于Cellprofiler的开发和利用，多数是应用于对于各种从荧光等获得的图像的处理。而应用于传统的的病理和生理组织化学类的H/E图像的数字化分析较少，且由于H/E图像的差异大，进行分析和数字化有一定难度；而H/E相关的研究性文献中仅仅是对于切片表观形态的描述而没有数字化描述，不具有很强的说服力。因此，基于CellProfiler的软件的利用和优化，应用于测定H/E等组织细胞的数字化测定具有迫切需要和重要意义。

发明内容

为了解决目前存在的CellProfiler的软件无法对H/E图像进行较准确的数字化描述问题，本发明提供了一种适用于大批量HE染色图片细胞数字化处理的方法及其应用。

本发明的第一个目的在于提供一种适用于大批量HE染色图片细胞数字化处理的方法，其特征在于，所述方法包括：图片处理、图像采集和细胞参数测量；所述方法基于CellProfiler软件，其中，所述图片处理包括图像剪切、图像灰度转化、光照矫正；所述图像采集包括对图像细胞核、图像细胞边界的识别；所述细胞参数测量包括对细胞核个数和面积、细胞的个数和面积的测定。

可选的，所述方法应用于对肝脏组织和/或脂肪组织的HE染色图片进行处理。

可选的，所述方法应用于对肝脏组织的HE染色图片进行处理时包括步骤如下：

为便于描述，将调用各程序处理后的图像以英文字母或者英文字母后加数字进行区分；

S1：对肝脏组织进行染色并拍摄得到HE染色图片；

S2：运行CellProfiler软件，将S1中得到的HE染色图片导入ExampleNeighbors.cppipe工程程序中获得图像A；

S3：调用Crop管线程序对图像A进行剪切得到图像B，调用ColorToGrey管线程序对图像B进行灰度图像转化得到图像C，调用CorrectIlluminationCalculate管线程序对图像C进行光照矫正处理得到图像D，调用ImageMath管线程序对图像D进行目标物突出处理得到图像E，其中，光照矫正平滑滤波参数为30.0；

S4：设置平滑度阈值为1.0，校正因子阈值为0.8，边界阈值设为0.0-0.9；

调用IdentifyPrimaryObjects管线程序对图像E中主要对象进行识别；依据识别的主要对象，调用IdentifySecondaryObjects管线程序利用主要对象和次要对象之间的联系对细胞核进行识别得到图像F，其中，主要对象包括细胞和/或细胞核，次要对象为图像E中除主要对象外的物质或背景；

S5：在IdentifySecondaryObjects管线程序中，对在IdentifyPrimaryObjects管线程序中识别的主要对象作为“种子”对象的周围展开进行识别次要对象得到图像G；

S6：调用MeasureImageAreaOccupied、MeasurObjectsSizeShape管线程序对图像F和G所识别的主要对象测定得到细胞质的面积、细胞的大小和数量。

可选的，所述方法应用于对脂肪组织的HE染色图片进行处理时包括步骤如下：

Step1：对动物脂肪组织进行染色并拍摄得到HE染色图片H；

Step2：运行CellProfiler软件，将Step1中得到的HE染色图片H导入ExampleNeighbors.cppipe工程程序中获得图像H1；

Step3：调用Crop管线程序对图像H1进行剪切得到图像H2，调用ColorToGrey管线程序对图像H2进行灰度图像转化得到图像H3，调用CorrectIlluminationCalculate管线程序对图像H3进行光照矫正处理得到图像H4，调用ImageMath管线程序对图像H4进行目标物突出处理得到图像H5，其中，光照矫正平滑滤波参数为30.0；

Step4：调用CorrectIlluminationCalculate、OverLayOutlines管线程序对图像H5处理得到图像H6；

Step5：设置平滑度阈值为1.0，校正因子阈值为0.8，边界阈值设为0.0-0.9；

调用IdentifyPrimaryObjects管线程序两次对图像H6中主要对象进行识别；依据识别的主要对象，利用主要对象和次要对象之间的联系对细胞核进行识别得到图像I，其中，主要对象包括细胞和/或细胞核，次要对象为图像H6中除主要对象外的物质或背景；

Step6：调用IdentifyTertiaryObjects管线程序将识别出的细胞和细胞核面积相减，以得出细胞核的识别结果；

Step7：调用MeasureImageAreaOccupied、MeasurObjectsSizeShape管线程序对图像I所识别的主要对象测定得到细胞质的面积、细胞的大小和数量。

可选的，所述步骤S6和/或Step7中，对细胞核进行识别的平滑度阈值设置为0.0，校正因子阈值设置为1.0，边界阈值设置为0.6-1.0，分割和界限描绘方法为Intensity；

对细胞边界进行识别的平滑度阈值设置为0.0，校正因子阈值设置为1.5，边界阈值设置为0.05-0.1294，分割和界限描绘方法为Intensity；

对细胞进一步识别使用Global阈值策略下的Otsu方法，平滑度阈值设置为2.0，校正因子阈值设置为0.88，边界阈值设置为0.0-0.6，分割和界限描绘方法为Intensity，正则化因子设置为0.05。

可选的，所述对肝脏组织和/或动物脂肪组织进行染色并拍摄得到HE染色图片时，图像倍数设置为20X。

可选的，所述图像B和H2的像素大小分别为425×225和500×500。

可选的，所述图像灰度转化时，基于RGB图像将红、绿、蓝三色频道分开分别转换为灰度图像，其中，红色频道转换的灰度图像突出细胞核，绿色频道转换到灰度图像突出细胞细微结构，蓝色频道转换的灰度图像使得各个部分的分界线清晰，便于将在H/E染色后得到不同颜色的细胞质和细胞核进行一定程度的分离和突出。

可选的，所述调用ColorToGrey管线程序时选择转换方式中的Split。

本发明的第二个目的在于提供一种上述适用于大批量HE染色图片细胞数字化处理的方法在医学基础研究、医疗检验领域和/或生物科学领域的应用。

本发明有益效果是：

本发明通过选用了CellProfiler作为图像处理软件，通过优化各管线程序的参数使得其能够对大批量的数字图像进行处理，准确地识别拥挤的细胞类型，更适用于H/E切片的观察，且能够对H/E图像进行较准确的数字化描述，为后续基于H/E切片做进一步研究的应用提供了数字化的描述，且CellProfiler为开源软件，可以使得所有人都能使用，其中图像分析的高级算法可作为独立模块提供，也可以按顺序放置在一起形成管线程序，使用较为方便自由；同时具有友好的用户交互界面，降低了使用者利用计算机集群的能力要求。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的同步控制软件流程图。

图2为实施例2中图像强度数学运算各步骤对应的图像。

图3为实施例2中目标物突出的各操作图像。

图4为实施例2中灰度转化后的图像。

图5为实施例2中光照矫正后的图像。

图6为实施例3中细胞核识别后的图像。

图7为实施例3中细胞整体识别后的图像。

图8为实施例3中脂肪组织H/E染色细胞识别图像。

图9为实施例4中正常和高脂饮食小鼠肝脏细胞数量识别对比图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例一：

本实施例提供一种适用于大批量HE染色图片细胞数字化处理的方法，参见图1，应用所述方法对大批量H/E切片的数字化测定，结合图1进行描述如下：

(1)将动物内脏组织进行H/E染色并摄取20X倍数图像；

(2)将步骤(1)中的图像导入ExampleNeighbors.cppipe工程程序中第一次运行后获得图像；

(3)Crop管线程序对图像进行剪切得到425×225像素大小的图像，转化灰度图像，一般使用RGB图像，光照矫正平滑滤波参数为30.0；

(4)对象识别模块时对细胞核进行识别的平滑度阈值0.0，校正因子阈值1.0，边界阈值0.6-1.0，分割和界限描绘方法为Intensity，对细胞边界进行识别的平滑度阈值0.0，校正因子阈值1.5，边界阈值0.05-0.1294，分割和界限描绘方法为Intensity，对细胞进一步识别使用Global阈值策略下的Otsu方法，平滑度阈值2.0，校正因子阈值0.88，边界阈值0.0-0.6，分割和界限描绘方法为Intensity，正则化因子0.05。

本发明实施例通过选用了CellProfiler作为图像处理软件，通过优化各管线程序的参数使得其能够对大批量的数字图像进行处理，准确地识别拥挤的细胞类型，更适用于H/E切片的观察，且能够对H/E图像进行较准确的数字化描述，为后续基于H/E切片做进一步研究的应用提供了数字化的描述。

实施例二

本实施例提供一种适用于大批量HE染色图片细胞数字化处理的方法，参见图2至图7，本实施例以该方法应用于肝脏H/E切片细胞的测量中为例进行说明，所述方法包括：

为便于描述，将调用各程序处理后的图像以英文字母或者英文字母后加数字进行区分；

S1：对肝脏组织进行染色并拍摄得到HE染色图片，拍摄时图像倍数设置为20X；

S2：运行CellProfiler软件，将S1中得到的HE染色图片导入ExampleNeighbors.cppipe工程程序中获得图像A；

S3：调用Crop管线程序对图像A进行剪切得到像素大小为425×225的图像B，调用ColorToGrey管线程序对图像B进行灰度图像转化得到图像C，调用CorrectIlluminationCalculate管线程序对图像C进行光照矫正处理得到图像D，调用ImageMath管线程序对图像D进行目标物突出处理得到图像E，其中，光照矫正平滑滤波参数为30.0；

实际应用中，在进行灰度图像转化时，对于CellProfiler平台，在识别和后续测量等模块均需要使用灰度图像而非彩色图像，这是因为灰度图像虽然损失了色彩等信息，但是将折光率等信息转化为有具体数值的灰度强度，该强度范围一般在0-1内，可以使计算机计算效率大大提高，在仍保存相关信息的同时能更加有效地识别和处理图像。对于灰度图像，一般使用RGB图像，将彩色图像分为红、绿、蓝三个频道。

在将原始图像转换为灰度图像时，可以将三个频道分开，分别转换为灰度图像。这样可以将在H/E染色后得到不同颜色的细胞质和细胞核进行一定程度的分离和突出。在ColorToGrey管线程序中选择转换方式(Conversion Method)中的Split，分别得到三个灰度图像。

由图4可知，红色频道转换的灰度图像(OrigRed)突出细胞核，绿色频道转换到灰度图像(OrigGreen)突出细胞细微结构，蓝色频道转换的灰度图像(OrigBlue)各个部分的分界线较为清晰。在后面的程序中，主要选择使用OrigRed和OrigGreen进行图像转换和处理。

实际应用中，由于拍照时的光照分布不均，而导致整体图片灰度强度出现较大偏差，这使得单一的阈值难以对图像进行控制。错误的阈值设定会使得目标前景被背景所覆盖，从而难以识别。所以需要使用CorrectIlluminationCalculate管线程序对OrigGreen进行光照矫正处理：

由于目标物均匀的分布在图像上，并且覆盖大部分图像，因此采用Regular方式，该方式下根据每个像素的强度进行光照功能计算，平滑滤波参数为30.0。运行结果如图3所示。

由图5可得，光度校正后的图像光照较之前均匀且视野明亮，但是细胞和细胞核以及非目标物如结缔组织等之间的强度区别不明显，难以使用单一阈值对其进行分类。故在后续步骤中，对该结果所得图像继续处理，以获得目标物明确且突出的图像用以分辨和识别。

S4：实际应用中，调用ImageMath管线程序，通过对光线校正后的图像D的强度(Intensity)进行进一步的计算，对其进行转换，以达到突出目标物的目的得到图像E。

对于目标物的突出如图3所示：

(1)对图像D的每个像素的强度进行Log计算转换操作，转换后实际值＝log2(图像像素强度+1)，转换后阈值从0-1转为0-1。这使得细胞核被较高程度的突出得到图像D1。

(2)将图像D1和蓝色频道转换的灰度图像OrigBlue的每个像素点的强度进行相减，其差异的绝对值组成该转换结果。这使得细胞的细节得以突出显示，物体与物体间的边界更加清晰得到图像D2。

(3)将上述两个步骤分别获得的图像D1和图像D2进行强度相加获得图像D3。这使得细胞膜、细胞质和非细胞物质强度被降低淡化，突出细胞核的强度。

(4)用1减去图像强度。这使得最暗的颜色最亮，反之亦然。通过对图像D3反转处理得到图像D4，使得在接下来的识别模块中需要保证目标物比背景明亮的要求得以实现。

(5)将图像D与图像D1像素强度相乘获得图像D5。该图像D5突出了细胞膜和细胞核，较未处理之前的两个图像而言，边界更清晰。可以进行细胞的识别。

由上述步骤可得，进行图像强度的数学运算后，由原始的三个灰度图像被处理为细胞核和细胞膜更突出、细胞边界更清晰、非细胞物质等非目标物被淡化的处理后图像。如图D和D1所示为图像的像素强度分布的前后对比，由图可以看出，处理前图像的像素强度除一个极值外总体分布较为均匀，难以用阈值进行区分，而处理后的图像强度呈现较为明显的二极化，主要分布在0.0和0.6周围，可以在后续的二值化识别模块中进行应用。

S5：设置平滑度阈值为1.0，校正因子阈值为0.8，边界阈值设为0.0-0.9；

调用IdentifyPrimaryObjects管线程序对图像E中主要对象进行识别；依据识别的主要对象，调用IdentifySecondaryObjects管线程序利用主要对象和次要对象之间的联系对细胞核进行识别得到图像F，其中，主要对象包括细胞和/或细胞核，次要对象为图像E中除主要对象外的物质或背景(图7)；

S6：在IdentifySecondaryObjects管线程序中，对在IdentifyPrimaryObjects管线程序中识别的主要对象作为“种子”对象的周围展开进行识别次要对象得到图像G；

对于主要对象的识别如下：

(1)细胞核的识别

用IdentifySecondaryObjects管线程序识别的主要对象是位于黑色背景上明亮对象的灰度图像。使用前期模块处理所得的InvertAddGreenBlue(图像名称)图像来进行识别。获得结果如图6所示，对细胞核的强度和大小特征进行设置，使设置的阈值像滤网一样将其从复杂的图像信息中“过滤”出来。左下方图中绿色线条圈出的对象为通过参数设置而被判定为细胞核的对象，红色线条圈出的为由于尺寸不通过而被丢弃的对象。右上方图中彩色色块为最终识别结果。使用菜单中的Tools可以调出长度测量工具Measure length。使用其以测量出对象典型直径极值，经过多次测试优化，最终20X的图像中细胞核直径极值为10-40像素单位。由于细胞核中也存在核仁、内核和外核，其不同的质地导致的不同的图像强度，在识别时会在细胞核内产生空洞因此选择在阈值过滤和对象分割后分别填补识别对象中的空洞，以保证由于图像的颗粒性而导致对象中的某些小块区域被筛去。尽管这些空洞可以通过对图像采取平滑措施而滤去，但是过高的平滑度会使对象边界不清晰、难以分辨，因此直接使用该功能用以保证对象的完整性。

(2)细胞整体的识别

在IdentifySecondaryObjects管线程序中，对在IdentifyPrimaryObjects管线程序中识别的对象(如细胞核)作为“种子”对象周围展开进行识别次要对象(如细胞边缘)。

获得结果如图7所示，其中左下方图中绿色线条圈出的为作为识别“种子”的主要对象，即细胞核；红色线圈出的为识别出的次要对象，即整体细胞。右上方图中彩色色块为最终识别结果。

S6：调用MeasureImageAreaOccupied、MeasurObjectsSizeShape管线程序对图像F和G所识别的主要对象测定得到细胞质的面积、细胞的大小和数量。

如图7所示，细胞以及细胞核的大小、边缘都清晰的显示出来，结合值，调用MeasureImageAreaOccupied、MeasurObjectsSizeShape管线程序即可对细胞质的面积、细胞的大小和数量进行测量，并以表格的形式导出至指定文件夹以便于后续研究数据比对等。

实施例三

本实施例提供一种适用于大批量HE染色图片细胞数字化处理的方法，参见图8，本实施例以该方法应用于脂肪H/E切片细胞的测量中为例进行说明，所述方法包括：

Step1：对动物脂肪组织进行染色并拍摄得到HE染色图片H；

Step2：运行CellProfiler软件，将Step1中得到的HE染色图片H导入ExampleNeighbors.cppipe工程程序中获得图像H1；

Step3：调用Crop管线程序对图像H1进行剪切得到图像H2，调用ColorToGrey管线程序对图像H2进行灰度图像转化得到图像H3，调用CorrectIlluminationCalculate管线程序对图像H3进行光照矫正处理得到图像H4，调用ImageMath管线程序对图像H4进行目标物突出处理得到图像H5，其中，光照矫正平滑滤波参数为30.0；

Step4：调用CorrectIlluminationCalculate、OverLayOutlines管线程序对图像H5处理得到图像H6；

Step5：设置平滑度阈值为1.0，校正因子阈值为0.8，边界阈值设为0.0-0.9；

调用IdentifyPrimaryObjects管线程序两次对图像H6中主要对象进行识别；依据识别的主要对象，利用主要对象和次要对象之间的联系对细胞核进行识别得到图像I，其中，主要对象包括细胞和/或细胞核，次要对象为图像H6中除主要对象外的物质或背景；

Step6：调用IdentifyTertiaryObjects管线程序将识别出的细胞和细胞核面积相减，以得出细胞核的识别结果；

Step7：调用MeasureImageAreaOccupied、MeasurObjectsSizeShape管线程序对图像I所识别的主要对象测定得到细胞质的面积、细胞的大小和数量。

相对于实施例二中对于肝脏H/E切片细胞的测量，本发明实施例对脂肪H/E切片细胞的测量，主要增加了CorrectIlluminationCalculate管线程序，使得图像光照更加均匀，修正噪点和明暗不均的现象；增加了OverLayOutlines管线程序，保证在查看细胞识别是否准确时更加清晰；调用了两个IdentifyPrimaryObjects管线程序，以解决细胞核远小于细胞的问题。增加IdentifyTertiaryObjects管线程序，将识别出的细胞和细胞核面积相减，以得出细胞核的识别结果，为后面进一步测量和统计奠定基础。使用MeasureImageAreaOccupied管线程序，解决测量细胞质和细胞核的面积的问题；并着重修改了识别细胞模块的多个管线程序的参数。

调用了两个IdentifyPrimaryObjects管线程序，是因为小鼠脂肪H/E细胞的细胞核较整个细胞较小，且位置不在整个细胞的中心位置，而是在细胞的边缘，和细胞膜相连，因此细胞核和细胞二者联系不大紧密，识别时如果仅使用一个IdentifyPrimaryObjects管线程序先识别细胞核，而识别细胞时使用IdentifySecondaryObjects管线程序，则会导致识别出的细胞大小与细胞核相近、过小，与实际情况不符。因此采取使用两个IdentifyPrimaryObjects管线程序分别对二者进行识别的方式，再对识别出的对象进行处理。

实施例四

本实施例提供一种适用于大批量HE染色图片细胞数字化处理的方法在对高脂饮食造成的肝损伤程度进行鉴定中的应用：

在通过小鼠实验研究高脂饮食造成的肝损伤程度时，将正常小鼠和因高脂饮食造成的肝损伤的小鼠的肝脏H/E切片细胞利用上述实施例二中的测量获得二者的对比图如图9-1和9-2，相同倍数下单位面积内正常饮食小鼠肝脏(如图9-1)细胞个数为229，高脂饮食小鼠肝脏(如图9-2)细胞个数为132，由数据分析可知因高脂饮食造成的肝损伤的小鼠的肝脏细胞内脂肪积聚使肝脏细胞受损变大，从而判定高脂饮食造成了小鼠肝脏脂质代谢紊乱，脂质非正常积累形成脂肪肝，进而根据此数据制定相应标准。

需要进行说明的是，本发明提供的适用于大批量HE染色图片细胞数字化处理的方法可应用于医学基础研究、医疗检验领域和/或生物科学领域，本实施例仅以应用在对高脂饮食造成的肝损伤程度进行鉴定中为例进行说明。

本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种适用于大批量HE染色图片细胞数字化处理的方法，其特征在于，所述方法包括：图片处理、图像采集和细胞参数测量；所述方法基于CellProfiler软件，其中，所述图片处理包括图像剪切、图像灰度转化、光照矫正；所述图像采集包括对图像细胞核、图像细胞边界的识别；所述细胞参数测量包括对细胞核个数和面积、细胞的个数和面积的测定；

所述方法应用于对肝脏组织和/或脂肪组织的HE染色图片进行处理；

所述方法应用于对肝脏组织的HE染色图片进行处理时包括步骤如下：

为便于描述，将调用各程序处理后的图像以英文字母或者英文字母后加数字进行区分；

S1：对肝脏组织进行染色并拍摄得到HE染色图片；

S2：运行CellProfiler软件，将S1中得到的HE染色图片导入ExampleNeighbors.cppipe工程程序中获得图像A；

S3：调用Crop管线程序对图像A进行剪切得到图像B，调用ColorToGrey管线程序对图像B进行灰度图像转化得到图像C，调用CorrectIlluminationCalculate管线程序对图像C进行光照矫正处理得到图像D，调用ImageMath管线程序对图像D进行目标物突出处理得到图像E，其中，光照矫正平滑滤波参数为30.0；

S4：设置平滑度阈值为1.0，校正因子阈值为0.8，边界阈值设为0.0-0.9；

调用IdentifyPrimaryObjects管线程序对图像E中主要对象进行识别；依据识别的主要对象，调用IdentifySecondaryObjects管线程序利用主要对象和次要对象之间的联系对主要对象进行识别得到图像G，其中，主要对象包括细胞和/或细胞核，次要对象为图像E中除主要对象外的物质或背景；

S5：在IdentifySecondaryObjects管线程序中，对在IdentifyPrimaryObjects管线程序中识别的主要对象作为“种子”对象的周围展开进行识别次要对象得到图像F；

S6：调用MeasureImageAreaOccupied、MeasurObjectsSizeShape管线程序对图像F所识别的次要对象和图像G所识别的主要对象测定得到细胞质的面积、细胞的大小和数量；

所述步骤S6中，对细胞核进行识别的平滑度阈值设置为0.0，校正因子阈值设置为1.0，边界阈值设置为0.6-1.0，分割和界限描绘方法为Intensity；

对细胞边界进行识别的平滑度阈值设置为0.0，校正因子阈值设置为1.5，边界阈值设置为0.05-0.1294，分割和界限描绘方法为Intensity；

对细胞进一步识别使用Global阈值策略下的Otsu方法，平滑度阈值设置为2.0，校正因子阈值设置为0.88，边界阈值设置为0.0-0.6，分割和界限描绘方法为Intensity，正则化因子设置为0.05。

2.根据权利要求1所述的方法，其特征在于，所述方法应用于对脂肪组织的HE染色图片进行处理时包括步骤如下：

Step1：对动物脂肪组织进行染色并拍摄得到HE染色图片H；

Step2：运行CellProfiler软件，将Step1中得到的HE染色图片H导入ExampleNeighbors.cppipe工程程序中获得图像H1；

Step3：调用Crop管线程序对图像H1进行剪切得到图像H2，调用ColorToGrey管线程序对图像H2进行灰度图像转化得到图像H3，调用CorrectIlluminationCalculate管线程序对图像H3进行光照矫正处理得到图像H4，调用ImageMath管线程序对图像H4进行目标物突出处理得到图像H5，其中，光照矫正平滑滤波参数为30.0；

Step4：调用CorrectIlluminationCalculate、OverLayOutlines管线程序对图像H5处理得到图像H6；

Step5：设置平滑度阈值为1.0，校正因子阈值为0.8，边界阈值设为0.0-0.9；

调用IdentifyPrimaryObjects管线程序两次对图像H6中主要对象进行识别；依据识别的主要对象，利用主要对象和次要对象之间的联系对次要对象进行识别得到图像I，其中，主要对象包括细胞和/或细胞核，次要对象为图像H6中除主要对象外的物质或背景；

Step6：调用IdentifyTertiaryObjects管线程序将识别出的细胞和细胞核面积相减，以得出细胞质的识别结果；

Step7：调用MeasureImageAreaOccupied、MeasurObjectsSizeShape管线程序对图像I所识别的主要对象测定得到细胞质的面积、细胞的大小和数量；

所述Step7中，对细胞核进行识别的平滑度阈值设置为0.0，校正因子阈值设置为1.0，边界阈值设置为0.6-1.0，分割和界限描绘方法为Intensity；

对细胞边界进行识别的平滑度阈值设置为0.0，校正因子阈值设置为1.5，边界阈值设置为0.05-0.1294，分割和界限描绘方法为Intensity；

对细胞进一步识别使用Global阈值策略下的Otsu方法，平滑度阈值设置为2.0，校正因子阈值设置为0.88，边界阈值设置为0.0-0.6，分割和界限描绘方法为Intensity，正则化因子设置为0.05。

3.根据权利要求2所述的方法，其特征在于，所述对肝脏组织和/或动物脂肪组织进行染色并拍摄得到HE染色图片时，图像倍数设置为20X。

4.根据权利要求1或2所述的方法，其特征在于，所述图像B和H2的像素大小分别为425×225和500×500。

5.根据权利要求1-4任一所述的方法，其特征在于，所述图像灰度转化时，基于RGB图像将红、绿、蓝三色频道分开分别转换为灰度图像，其中，红色频道转换的灰度图像突出细胞核，绿色频道转换到灰度图像突出细胞细微结构，蓝色频道转换的灰度图像使得各个部分的分界线清晰，便于将在H/E染色后得到不同颜色的细胞质和细胞核进行一定程度的分离和突出。

6.根据权利要求1或2所述的方法，其特征在于，所述调用ColorToGrey管线程序时选择转换方式中的Split。

7.一种权利要求1-6任一所述的适用于大批量HE染色图片细胞数字化处理的方法在医学基础研究、医疗检验领域和/或生物科学领域的应用。

Images